跟着Nature Genetics学数据分析~SNP数据计算距离

最近在看论文 Phased diploid genome assemblies and pan-genomes provide insights into the genetic history of apple domestication（高水平论文看起来还真是吃力！）看懂一点记一点吧。今天的笔记记录的是SNP数据计算距离矩阵，然后用距离矩阵构建进化树的过程。论文原文的方法部分写到：

A neighbor-joining phylogeny was constructed based on the P distance matrix calculated by VCF2Dis

这篇论文提供了vcf格式的SNP数据下载链接

Genome assemblies and annotated genes, nonreference genome sequences and annotated genes of the apple pan-genomes, and SNPs and SVs called from the genome resequencing data are also freely available at http://bioinfo.bti.cornell.edu/apple_genome.

那接下来我们就可以试一下了

首先是下载数据

wget ftp://bioinfo.bti.cornell.edu/pub/Apple_genome/variome/SNP.vcf.gz

这个数据集稍微有点大

接下来是计算距离矩阵

用到的工具是 VCF2Dis

工具对应的github主页
https://github.com/BGI-shenzhen/VCF2Dis

按照软件主页的帮助文档 下载安装，没有遇到问题

image.png

使用VCF2Dis这个软件计算距离矩阵

软件用起来也很简单，直接指定vcf格式的文件，压缩文件也可以

./VCF2Dis-1.43/bin/VCF2Dis -InPut SNP.vcf.gz -OutPut p_dis.mat

运行过程顺利，没有遇到报错
得到距离矩阵文件 p_dis.mat

image.png

这个软件的主页还很贴心写了如何利用距离矩阵构建NJ树的方法

为了省事就直接使用在线程序了

http://www.atgc-montpellier.fr/fastme/

image.png

很快就得到了结果

image.png

最后是用ggtree展示进化树

library(ggtree)
library(treeio)
tree<-read.newick("p_dis_mat_fastme-tree.nwk")
ggtree(tree,layout = "ape")+
  geom_tiplab(size=2)

image.png

已经很接近论文里的结果了，接下来应该好好想想如何美化了

image.png

简单比较了一下，结果好像还差的挺多的

今天的内容就先到这里了
欢迎大家关注我的公众号
小明的数据分析笔记本